통역 훈련에서 자동 품질 평가(AQA)의 핵심 구성요소는 부자연스러운 일시정지를 탐지하는 것이며, 일시정지 패턴은 통역사의 인지 부하와 유창성을 직접적으로 반영한다. 전통적인 일시정지 탐지 방법은 (예: 1.0초)와 같은 정적 시간 임계값에 의존하는데, 이는 문장 구간별 발화 속도 변동성과 개인별 말하기 스타일을 충분히 반영하지 못하는 경우가 많다. 본 연구는 Isolation Forest(iForest)를 이용한 비지도 이상 탐지와 슬라이딩 윈도우 기법을 통합한 맥락 적응형 일시정지 탐지 프레임워크를 제안한다. 교육적 타당성을 높이기 위해, 특수 분할(segmentation) 모델을 사용하여 문장 경계를 구획함으로써 문장 내부(intra-sentential) 일시정지에 초점을 맞추었다. 제안된 모델은 전문 통역 전문가가 주석한 정답(ground-truth) 라벨과 비교하여 평가하였다. 그 결과, 슬라이딩 윈도우 기반의 맥락 이상 탐지 모델은 기존의 정적 기준 모델에 비해 특히 재현율과 Cohen’s kappa 측면에서 유의하게 우수함을 보여주었다. 또한 가중 F3-score와 "Recognition-over-Recall" 원칙을 적용함으로써, 본 모델은 새로 주석을 생성하는 작업에서 교정적 가지치기(corrective pruning)로 업무를 전환하여 강사의 총 운영 부담을 실질적으로 감소시킨다는 점을 확인하였다. 이러한 결과는 음성에 적응하는 모델링이 자동 통역 평가 및 피드백을 위한 보다 신뢰할 수 있고 노동 절감적인 프레임워크를 제공함을 시사한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.